基于注意力机制的卫星监测中海面废弃物检测
计算机视觉与模式识别
2023-07-11 v1
摘要
海洋废弃物是环境保护的重要问题，但当前定位海洋废弃物的方法仍有限。为实现海洋废弃物定位的更高效率与更广适用性，本研究尝试将 YOLOv7 的实例分割与不同注意力机制结合，并探索最佳模型。利用由含海洋废弃物的卫星图像组成的标注数据集，我们检验了三种注意力模型：轻量坐标注意力、CBAM（结合空间与通道关注）和瓶颈 Transformer（基于自注意力）。边界框检测评估显示，CBAM 取得最佳结果（F1 分数 77%），优于坐标注意力（F1 分数 71%）和 YOLOv7/瓶颈 Transformer（两者 F1 分数均约 66%）。掩膜评估显示 CBAM 再次领先，F1 分数 73%，而坐标注意力与 YOLOv7 表现相近（约 68%/69% F1 分数），瓶颈 Transformer 落后，F1 分数 56%。这些发现表明 CBAM 对检测海洋废弃物具有最优适用性。但需注意，瓶颈 Transformer 检测到了一些人工标注遗漏的区域，并对较大废弃物块显示出更好的掩膜精度，意味着潜在更优的实用表现。
引用
@article{arxiv.2307.04128,
title = {Marine Debris Detection in Satellite Surveillance using Attention Mechanisms},
author = {Ao Shen and Yijie Zhu and Richard Jiang},
journal= {arXiv preprint arXiv:2307.04128},
year = {2023}
}